Sarvam AI משיקה את Saaras V4: מודל תמלול לכל 22 השפות הרשמיות של הודו ולאנגלית

הסטארטאפ ההודי Sarvam AI השיק את Saaras V4, מודל speech-to-text (המרת דיבור לטקסט) שמכסה את כל 22 השפות הרשמיות של הודו וגם אנגלית גלובלית. כך דווח ב-MarkTechPost. המודל זמין כבר עכשיו דרך ה-API של החברה, במחיר של 30 רופי לשעת שמע.

מה יש בתוך המודל

מבחינה טכנית, Saaras V4 בנוי משני חלקים. הראשון הוא מקודד שמע (audio encoder), שמעבד את הקלטת הדיבור. השני הוא מפענח (decoder) בגודל 3 מיליארד פרמטרים, שמבוסס על ארכיטקטורה היברידית מסוג state-space (לפי הדיווח).

מודלי state-space הם משפחת ארכיטקטורות שהתפתחה בשנים האחרונות כחלופה ל-Transformer, הארכיטקטורה שעומדת מאחורי רוב מודלי השפה הגדולים. היתרון המרכזי שלהם הוא יעילות בעיבוד רצפים ארוכים. ככל הנראה זו אחת הסיבות לבחירה בהם כאן: בתמלול, קטע שמע ארוך מתורגם לרצף ארוך מאוד של נתונים.

שלוש יכולות מרכזיות

לפי הדיווח, המודל מביא כמה יכולות מעשיות:

• keyterm prompting: אפשר להזין למודל מראש עד 50 מונחים, כמו שמות של מוצרים, אנשים או מונחים מקצועיים, כדי שיזהה אותם נכון בתמלול. זו בעיה מוכרת במערכות תמלול, שנוטות לשבש שמות ומונחים שלא הופיעו מספיק בנתוני האימון.
• חמישה מצבי פלט ממודל אחד: מודל יחיד מפיק חמישה סוגי פלט שונים. הדיווח לא מפרט מה הם.
• streaming: תמלול בזמן אמת, שבו הפלט הראשון מתקבל בתוך פחות מ-150 מילישניות. זמן תגובה כזה חשוב במיוחד לעוזרים קוליים ולמוקדי שירות, כי שם כל עיכוב מורגש בשיחה.

למה זה חשוב

הודו היא אחד השווקים הלשוניים המורכבים בעולם. 22 השפות שמוכרות בחוקה ההודית כוללות שפות ממשפחות שונות ובכתבים שונים, ולרבות מהן יש עשרות מיליוני דוברים. רוב מערכות התמלול הגדולות נבנו קודם כול לאנגלית ולשפות אירופיות, והביצועים שלהן בשפות הודיות רבות היו פחות טובים.

המשמעות האפשרית של מודל אחד שמכסה את כל הספקטרום הזה היא שחברות בהודו יוכלו לבנות שירותים קוליים, למשל מוקדי שירות, אפליקציות ממשלתיות או כלים לנגישות, בלי לחבר יחד מערכות נפרדות לכל שפה. התמיכה באנגלית חשובה גם היא, כי בשיחות יומיומיות בהודו דוברים רבים עוברים בין אנגלית לשפה מקומית באמצע משפט.

גם המחיר, 30 רופי לשעה, נראה מכוון לשוק המקומי. ככל הנראה המטרה היא להפוך תמלול בהיקף גדול לכדאי גם לעסקים קטנים ולגופים ציבוריים.

מעבר לכך, Sarvam AI היא אחת החברות הבולטות במאמץ ההודי לפתח יכולות AI מקומיות ולא להסתמך רק על מודלים של ענקיות אמריקאיות. השקה כזו משתלבת במגמה רחבה יותר של מדינות שמנסות לבנות מודלים שמותאמים לשפות ולתרבות שלהן. עם זאת, הדיווח לא כולל נתוני דיוק או השוואות מול מתחרים. לכן עוד מוקדם לקבוע איך Saaras V4 מתמודד מול החלופות בשוק.